基于可见光植被指数的面向对象湿地水生植被提取方法

利用ESP分割工具确定最佳分割尺度,通过多尺度分割算法创建最优分割影像,基于微型无人机影像数据生成可见光植被指数,从一系列可见光植被指数中选取一组最优植被指数,建立决策树规则,利用隶属度函数对研究区自动分类,生成水生植被分布图.结果表明: 监督分类法的总体精度为53.7%,面向对象分类法总体精度为91.7%,与基于像元的监督分类法相比,面向对象分类法显著改善了影像分类结果,并大大提高了水生植被提取精度,监督分类法的Kappa系数为0.4,而面向对象分类法的Kappa系数为0.9.这表明利用微型无人机数据生成的可见光植被指数结合面向对象分类方法提取水生植被在该研究区是可行的,并能够应用到其他类似区域.     

不同端元模型下湿地植被覆盖度的提取方法——以北京市野鸭湖湿地自然保护区为例

植被覆盖度作为反映湿地植物生长状况的重要生态学参数,在评估和检测湿地生态环境方面起着关键的作用.以华北内陆典型的淡水湿地——北京市野鸭湖湿地自然保护区为研究对象,中等分辨率的Landsat TM影像为数据源,基于线性光谱混合模型(LSMM)对研究区的植被覆盖度进行了估算.针对湿地植被类型丰富、土地利用类型多样化的特点,利用归一化植被指数(NDVI)在反映植物生长状况、覆盖程度以及区分地表覆盖类型方面的优势,通过对原始Landsat TM影像增加NDVI数据维对影像进行维度扩展,克服了传统研究中通常从Landsat TM影像上提取3-4种端元的局限,经最小噪声分离变换(MNF变换)、纯像元指数(PPI)计算以及人机交互端元选取等一系列运算,构建以陆生植物、水生植物、高反射率地物、低反射率地物、裸露土壤为组分的五端元模型来反映研究区的地物组成;同时,以原始Landsat TM影像为基础,构建植物、高反射率地物、低反射率地物、裸露土壤为组分的四端元模型.针对两种端元模型,采用全约束下的LSMM算法进行混合像元分解以获取研究区的植被覆盖度,其次辅以研究区的纯水体信息对其进行优化.精度检验采用相同时期的高分辨率WorldView-2多光谱影像来进行.研究表明:虽然四端元模型与五端元模型对植被覆盖度的估算结果在空间上具有基本一致的分布趋势,但是前者的估算结果在数值上要普遍低于后者,在研究区的水体及其附近,四端元模型难以体现水生植物的植被覆盖信息;另外,五端元模型的估算结果与检验数据的相关系数R达到0.9023,均方根误差(RMSE)为0.0939,明显优于四端元模型的R=0.8671和RMSE=0.1711.这反映了通过对影像进行维度扩展的方法来改进端元提取的数量是可行的,而由此构建的五端元模型可以更充分的反映研究区地物之间的光谱差异,从而获得更好的估算精度.     

面向对象的优势树种类型信息提取技术

森林植被优势树种类型信息的提取是遥感影像分类中的难点.面向对象分类方法是用高空间分辨率遥感数据实现精确类型信息提取的新方法.本文以2013年Quickbird影像作为基础数据,选择福建省三明市将乐林场为研究区,采用面向对象多尺度分割方法提取耕地、灌草地、未成林造林地、马尾松、杉木和阔叶树等类型信息.分类特征融合植被的光谱、纹理和多种植被指数3类特征信息,建立类层次结构,对不同层次分别用隶属度函数和决策树分类规则,最终完成分类,并与只用纹理与光谱特征相结合的方法进行对比.结果表明:融合纹理、光谱、多种植被指数的面向对象的分类方法提取研究区优势树种类型信息的精度为91.3％,比只用纹理和光谱的方法精度提高了5.7％.     

基于环境星与MODIS时序数据的面向对象森林植被分类

林区地形复杂、植被分布无序,且森林植被光谱信息相近,因而森林二级类型边界的确定成为土地覆盖遥感分类的难点。选择吉林省东部山区为研究区,以环境星影像(HJ-1 CCD)和中等分辨率成像光谱仪(MODIS)时序数据为基础,采用面向对象的分类方法进行森林植被类型的提取。分类特征参数主要选取了HJ-1 CCD的光谱和纹理特征,以及MODIS时序数据的物候特征。研究区总体分类精度为91.5%,Kappa系数为0.88,森林二级类型的分类精度均较高,其中落叶阔叶林的制图精度达到了97.1%。所用的面向对象分类方法与未加入物候特征的面向对象分类方法相比,森林二级类型的分类精度得到大幅度提高。     

基于多时相中巴资源卫星影像的冬小麦分类精度

中巴资源卫星2号星（CBERS-02）具有较高的空间分辨率和较丰富的光谱信息,对植被有较强的探测能力.利用2006—2007年北京地区冬小麦生育期早期的5景CBERS-02卫星影像,计算了各时相和不同时相组合的主要地物类型及冬小麦的光谱可分性距离,进行了监督分类,同时,结合高分辨率航空和卫星遥感影像,构建了训练样本和验证样本,对利用CBERS-02卫星提取的生育早期的冬小麦进行了时相分析和精度评价,并与同期TM影像提取结果进行对比.结果表明：时相是影响冬小麦分类的主要因素,不同光学传感器的遥感影像也会影响分类精度;多时相组合有利于提高冬小麦的提取精度,与单时相冬小麦提取的最高精度相比,最佳时相组合的制图精度提高了20.0%、用户精度提高了7.83%;与TM数据相比, CBERS-02卫星影像的冬小麦分类精度略低.     

基于Sentinel–2影像特征优化的于桥水库水生植被提取

水生植被分布情况、结构和演变趋势对湿地生态环境变具有重要的指示意义和科学研究价值。基于Sentinel-2遥感数据,综合应用光谱信息、水体植被指数、最佳指数法(Optimal Index Factory,OIF)计算的纹理特征,结合随机森林分类法,构建特征优化后的随机森林水生植被提取模型,对于桥水库进行水生植被提取。结果显示:该方法能有效的提取出水生植被,总体精度为93.22%,Kappa系数为0.91。进一步与最大似然和支持向量机(SVM)方法进行对比分析,结果表明本算法的总体精度分别提高了19.96%、8.53%, Kappa系数分别提高了0.25、0.11。基于水生植被全年提取结果,分析了于桥水库的水生植被年内变化,发现于桥水库水生植被在五月份最繁盛,随后逐渐消减,直至十月份基本消亡。实验表明:特征优化后的随机森林分类法在Sentinel-2影像水生植被提取中具有较好的适用性。     

浙江省森林信息提取及其变化的空间分布

如何利用遥感技术提取森林信息是遥感应用的重要领域之一。以不同时相的Landsat TM/ETM+为数据源,采用面向对象和基于多级决策树的分类方法得到浙江省2000年、2005年以及2010年的森林植被覆被图。经实地采样点验证,2010年分类精度达到92.76%,精度满足要求。介绍了浙江森林信息的快速提取方法,即统计不同森林类型的Landsat TM影像原始波段和LBV变换值以及各种植被指数在各时相上的差异,经过C5决策树训练,选取合适的规则和阈值实现森林信息的提取。结果表明,面向对象分割与决策树算法结合可以作为森林信息提取的有效方法。最后,通过对3期森林专题图进行空间叠加分析,得到了森林资源动态变化的空间分布,并以此为基础对林地变化的类型及原因进行分析,结果显示浙江省森林资源变化主要分布在浙西北山区、浙中南山区以及沿海地带,这一结果可以为有关部门的决策提供依据。     

基于图像融合与混合像元分解的城市植被盖度提取

城市植被盖度提取对于开展城市绿色空间保护和城市规划具有重要意义。随着遥感技术的发展,混合像元分解模型被广泛用于从中等分辨率的多光谱影像提取城市植被盖度,但较低的影像空间分辨率限制了该模型的应用领域。为此,以杭州市为例,首先引入Gram-Schmidt(GS)方法对Landsat ETM+的多光谱波段和全色波段进行融合,再通过混合像元分解模型从ETM+融合影像上提取城市植被盖度,最后利用SPOT影像进行精度检验。结果发现,采用GS方法对影像进行融合后,标准差、信息熵、平均梯度提高,相对偏差小于0.07,说明在保留多光谱信息的基础上提高了其空间分辨率。与SPOT影像相比,在融合影像上75%以上样本的植被盖度值相似,误差较大的区域是市区植被特别稀疏或茂盛的像元。与源影像相比,从融合影像上提取的植被盖度的均方根误差和系统误差降低了0.01。该方法在降低城市植被监测成本、提高监测精度方面具有潜力。     

基于QUEST决策树兼容多源数据的淡水沼泽湿地信息提取

以三江平原东北部为例,探讨了中国典型淡水沼泽湿地信息的提取方法.利用TM卫星影像数据,基于半方差分析和z检验方法对比研究区典型地物不同尺度的各种纹理特征,从而遴选最优的窗口大小、纹理特征及其派生波段以提高地物之间的可分性.采用快速、无偏、高效统计树(quick,unbiased,and efficient statistical tree,QUEST)算法集成遥感影像的光谱特征、多尺度纹理特征和地学辅助数据建立研究区湿地信息提取的决策树模型.基于实测的GPS样本点采用混淆矩阵的方法对分类结果进行精度验证,并与传统的最大似然监督分类方法(maximum likelihood classification,MLC)进行对比.结果表明,基于QUEST的决策树分类结果的总精度和Kappa系数分别为84.58%和0.816,分类精度较MLC监督分类方法有明显提高,是内陆淡水沼泽湿地信息提取的有效手段.     

基于实测光谱混合像元分解的苹果园地遥感提取技术

以山东省栖霞市为研究区,对苹果花期的TM影像进行混合像元分解,提取苹果园地信息.基于实测地物光谱端元,利用小波变换对线性分解模型进行改进,采用实测端元改进后线性分解模型、实测端元线性分解模型、TM影像端元线性分解模型分别提取研究区苹果园地信息,并以ALOS数据进行精度评价.结果表明:经过精确的大气及地形校正后,可以利用实测光谱端元进行混合像元分解,面积精度＞97％,对丰度图像的归一化植被指数(NDVI)值与ALOS数据的平均NDVI值进行回归分析,R2＞0.8;利用小波变换对线性分解模型进行改进,可在一定程度上提高分解精度.     

Landsat-based monitoring of annual wetland change in the Willamette Valley of Oregon,USA from 1972 to 2012

In Oregon’s Willamette Valley, remaining wetlands are at high risk to loss and degradation from agricultural activity and urbanization. With an increased need for fine temporal-scale monitoring of sensitive wetlands, we used annual Landsat MSS and TM/ETM+ images from 1972 to 2012 to manually interpret loss, gain, and type conversion of wetland area in the floodplain of the Willamette River. By creating Tasseled Cap Brightness, Greenness, and Wetness indices for MSS data that visually match TM/ETM+ Tasseled Cap images, we were able to construct a complete and consistent, annual time series and utilize the entire Landsat archive. With an extended time series we were also able to compare annual trends of net change in wetland area before and after the no-net-loss policy established under Section 404 of the Clean Water Act in 1990 using a Theil-Sen Slope estimate analysis. Vegetated wetlands experienced a 314 ha net loss of wetland area and non-vegetated wetlands experienced a 393 ha net gain, indicating higher functioning wetlands were replaced in area by non-vegetated wetland habitats such as agricultural and quarry ponds. The majority of both gain and loss in the study area was attributed to gains and losses of agricultural land. After 1990 policy implementations, the rate of wetland area lost slowed for some wetland categories and reversed into trends of gain in wetland area for others, perhaps representative of the success of increased regulations. Overall accuracy of land use classification through manual interpretation was at 80 %. This accuracy increased to 91.1 % when land use classes were aggregated to either wetland or upland categories, indicating that our methodology was more accurate at distinguishing between general upland and wetland than finer categorical classes.     

基于光谱特征变量的湿地典型植物生态类型识别方法——以北京野鸭湖湿地为例

光谱特征变量的选择对于湿地植被识别的精度和效率有着直接的影响作用.以华北地区典型的淡水湿地——野鸭湖湿地为研究区,采用Field Spec 3野外高光谱辐射仪,获取了野鸭湖典型湿地植物的冠层光谱.以野外高光谱数据为基础,首先利用一阶导数与包络线去除的方法,分析和对比不同植物生态类型的光谱特征,选定了用于识别植物生态类型的光谱特征变量,选定的8个光谱特征变量为红边位置WP_r、红边幅值Dr、绿峰位置WP_g、绿峰幅值Rg、510 nm附近的吸收深度DEP-510和吸收面积AREA-510、675 nm附近的吸收深度DEP-675和吸收面积AREA-675.其中,7种植物生态类型的一阶导数光谱特征差异较小,吸收特征差异性相对较大.除WP_r和WP _g外,沉水植物Rg和Dr平均值最低,湿生植物的Rg平均值最高,达到0.164,栽培植物的Dr平均值最高,达到0.012.7种植物生态类型在675 nm附近的DEP-675和AREA-675均高于510 nm附近的DEP-510与AREA-510,除去栽培植物,随着水分梯度的变化,其他6种植物生态类型的吸收深度和吸收面积都表现出先升高后降低的趋势.然后利用单因素方差分析(One-way ANOVA)验证了所选光谱特征变量的区分度,在P≤0.01的置信水平下,选取的8个光谱特征变量都能够较好的区分7种植物生态类型,区分度的最小值为13,最大值为18,并且吸收特征参数的区分度优于一阶导数参数.最后应用非线性的反向传播人工神经网络(BP-ANN)与线性判别分析(FLDA)的类型识别方法,利用选定的8个光谱特征变量进行湿地植物生态类型识别,取得了较好的识别精度,两种方法的总分类精度分别达到85.5％和87.98％.单因素方差分析(One-way ANOVA)和不同分类器的分类精度表明,所选的8个光谱特征变量具有一定的普适性和可靠性.     

Satellite remote sensing of wetlands

To conserve and manage wetland resources, it is important to inventoryand monitor wetlands and their adjacent uplands. Satellite remote sensing hasseveral advantages for monitoring wetland resources, especially for largegeographic areas. This review summarizes the literature on satellite remotesensing of wetlands, including what classification techniques were mostsuccessful in identifying wetlands and separating them from other land covertypes. All types of wetlands have been studied with satellite remote sensing.Landsat MSS, Landsat TM, and SPOT are the major satellite systems that have beenused to study wetlands; other systems are NOAA AVHRR, IRS-1B LISS-II and radarsystems, including JERS-1, ERS-1 and RADARSAT. Early work with satellite imageryused visual interpretation for classification. The most commonly used computerclassification method to map wetlands is unsupervised classification orclustering. Maximum likelihood is the most common supervised classificationmethod. Wetland classification is difficult because of spectral confusion withother landcover classes and among different types of wetlands. However,multi-temporal data usually improves the classification of wetlands, as doesancillary data such as soil data, elevation or topography data. Classifiedsatellite imagery and maps derived from aerial photography have been comparedwith the conclusion that they offer different but complimentary information.Change detection studies have taken advantage of the repeat coverage andarchival data available with satellite remote sensing. Detailed wetland maps canbe updated using satellite imagery. Given the spatial resolution of satelliteremote sensing systems, fuzzy classification, subpixel classification, spectralmixture analysis, and mixtures estimation may provide more detailed informationon wetlands. A layered, hybrid or rule-based approach may give better resultsthan more traditional methods. The combination of radar and optical data providethe most promise for improving wetland classification.     

Multispectral and hyperspectral remote sensing for identification and mapping of wetland vegetation: a review

Wetland vegetation plays a key role in the ecological functions of wetland environments. Remote sensing techniques offer timely, up-to-date, and relatively accurate information for sustainable and effective management of wetland vegetation. This article provides an overview on the status of remote sensing applications in discriminating and mapping wetland vegetation, and estimating some of the biochemical and biophysical parameters of wetland vegetation. Research needs for successful applications of remote sensing in wetland vegetation mapping and the major challenges are also discussed. The review focuses on providing fundamental information relating to the spectral characteristics of wetland vegetation, discriminating wetland vegetation using broad- and narrow-bands, as well as estimating water content, biomass, and leaf area index. It can be concluded that the remote sensing of wetland vegetation has some particular challenges that require careful consideration in order to obtain successful results. These include an in-depth understanding of the factors affecting the interaction between electromagnetic radiation and wetland vegetation in a particular environment, selecting appropriate spatial and spectral resolution as well as suitable processing techniques for extracting spectral information of wetland vegetation.     

基于LSMM和改进的FCM提取城市植被覆盖度——以北京市海淀区为例

植被是城市生态系统的重要组成部分,及时获取植被覆盖信息对城市生态环境监测具有重要意义。利用中分辨率Landsat TM遥感数据,采用线性光谱分解模型(LSMM)开展城市植被覆盖度提取;同时,通过改进训练样本选择方式,在最小噪声变换(MNF)、像元纯净指数分析(PPI)、N维可视化分析基础上得到端元样本,再运用模糊C-均值(FCM)获取植被覆盖度;最后以高分辨率SPOT5遥感数据对两种方式的提取结果进行精度检验。结果显示,基于LSMM和改进的FCM提取的城市植被覆盖度与检验数据相关系数分别为0.8252和0.9381,后者可以较好地处理其他要素的非线性影响,因而具有较高精度。     

基于遥感的湿地景观格局季相分析

以中国东北地区三江平原北部为研究区域,利用2012年多季相遥感影像作为数据源,结合野外调查数据,应用面向对象的分类方法,根据影像的物候、时相等特征,提取不同月份的湿地信息,进行景观格局季相分析。结果表明:(1)研究区湿地面积、类型格局在同一年不同季节不同月份会有不同幅度的变化,总体呈现缓增骤减的态势。湿地主要分布在低洼地区,主要湿地类型为草本沼泽,其次为河流,其他湿地占总面积比例较小。(2)研究区各阶段湿地都有转化,主要发生在湿地和非湿地之间,多数表现在草本沼泽和草地之间的转化。(3)湿地分布和湿地转化面积主要集中在低海拔区域和低坡度区域,其中海拔100 m和坡度5°以下范围内的湿地分布面积和湿地转化面积占湿地总面积及湿地转化面积的绝大部分。(4)年内季节性湿地转化与降水、温度和湿地植被物候关系密切。     

白洋淀湿地生态功能评价及分区

白洋淀湿地在雄安新区建设过程中具有重要生态安全保障作用。开展白洋淀湿地生态功能评价及分区研究,为生态环境治理和保护提供科学依据,是当前普遍关切和急需解决的问题之一。面向白洋淀湿地生态保护和管理的需求,在明确白洋淀自然环境特征和主要生态环境问题的基础上,结合外业调查、遥感、综合评价等方法,从水产品供给功能、水生植物供给功能、气候调节功能、生物多样性维护功能、水质改善功能5个方面评价了白洋淀湿地生态系统服务功能重要性,从水污染敏感性、湿地变化敏感性、重要自然与文化价值敏感性3个方面评价了白洋淀湿地生态系统敏感性。基于评价结果,将白洋淀湿地初步划分为7个一级生态功能区和19个二级生态功能区。在分区方法方面体现了白洋淀湿地人地关系动态特征,分区结果注重现状与历史相结合,有助于服务未来淀区生态保护规划决策实施。建议在实施白洋淀生态环境治理和保护过程中,依据白洋淀湿地生态功能分区特征,实行分区管制,制定对应的生态环境治理和保护措施。     

Using unclassified continuous remote sensing data to improve distribution models of red-listed plant species

Remote sensing (RS) data may play an important role in the development of cost-effective means for modelling, mapping, planning and conserving biodiversity. Specifically, at the landscape scale, spatial models for the occurrences of species of conservation concern may be improved by the inclusion of RS-based predictors, to help managers to better meet different conservation challenges. In this study, we examine whether predicted distributions of 28 red-listed plant species in north-eastern Finland at the resolution of 25 ha are improved when advanced RS-variables are included as unclassified continuous predictor variables, in addition to more commonly used climate and topography variables. Using generalized additive models (GAMs), we studied whether the spatial predictions of the distribution of red-listed plant species in boreal landscapes are improved by incorporating advanced RS (normalized difference vegetation index, normalized difference soil index and Tasseled Cap transformations) information into species-environment models. Models were fitted using three different sets of explanatory variables: (1) climate-topography only; (2) remote sensing only; and (3) combined climate-topography and remote sensing variables, and evaluated by four-fold cross-validation with the area under the curve (AUC) statistics. The inclusion of RS variables improved both the explanatory power (on average 8.1 % improvement) and cross-validation performance (2.5 %) of the models. Hybrid models produced ecologically more reliable distribution maps than models using only climate-topography variables, especially for mire and shore species. In conclusion, Landsat ETM+ data integrated with climate and topographical information has the potential to improve biodiversity and rarity assessments in northern landscapes, especially in predictive studies covering extensive and remote areas.     

高原草被退化程度的遥感定量监测——以甘肃省玛曲县为例

以加权草被盖度作为草被退化的一种标识值,来标记草场沙化和毒杂草侵蚀的程度,并以机器辨识方法从TM/ETM数据中定量提取加权草被盖度现状及变迁信息。变迁研究的时段从1994年至2008年。为了使图像辨识特征量对高寒草被盖度敏感,提出了植被指数分级密度、植被相对饱和度分级密度等8个新的数学描述符,逐一进行了与加权草被盖度的相关性分析或分割实验;并通过它们的组合训练学习机和实现了对不同盖度草被的划分。通过野外采样数据检核,这种分类的准确率接近或达到80%。在草被盖度正确分类的基础上,通过调整减少不同时相图像照度差异的影响,进一步实现了加权草被盖度变迁信息的自动化提取。